使用OCT图像进行视网膜查的人工智能:过去十年 (2013-2023) 的回顾

科学领域:

• 眼科医生 眼科 眼科
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 光学连贯断层扫描 (OCT) 提供高分辨率的非侵入性成像,用于检测众多的眼睛病理.
• OCT对于诊断诸如青光眼,与年龄相关的黄斑变性 (AMD) 和许多其他视网膜疾病等疾病至关重要.
• 本文重点探讨了海外国家和地区在检测,描述和监测广泛的眼病状况方面的作用.

研究的目的:

• 对机器学习 (ML) 和深度学习 (DL) 在分析OCT图像以诊断眼病的应用进行系统审查.
• 探索ML和DL在眼科诊断中的能力和挑战,使用OCT数据.
• 评估人工智能的当前和未来潜力,以支持眼科专业人员的临床决策.

主要方法:

• 根据2020年PRISMA指南进行了系统审查.
• 在主要的科学数据库 (IEEE,PubMed,Web of Science,Scopus) 进行了文献搜索.
• 应用了严格的排除标准,结果有76篇相关期刊文章用于分析.

主要成果:

• 机器学习 (ML) 决策支持在特征选择方面面临挑战,与深度学习 (DL) 不同.
• 深度学习 (DL) 提供了更为综合的方法,预训练网络对于复杂的OCT图像分类特别有效.
• 目前的AI旨在减少眼科医生的工作量,未来的系统可能通过微妙的OCT图像变化来预测病理.

结论:

• 深度学习 (DL) 模型,特别是预训练网络,对于分析眼科中光学连贯性断层扫描 (OCT) 图像非常有效.
• 由人工智能驱动的决策支持系统有可能显著提高诊断和监测眼病的效率和准确性.
• 未来的进步可能会导致持续学习系统,能够从OCT数据中早期检测眼部病理.